考虑沙戈荒地区复杂气象因素的超短期光伏功率预测

陈昕钰; 余光正; 陈汝斯; 王思源; 沈凌旭

doi:10.7500/AEPS20250114007

您当前的位置：

首页 >

文章列表页 >

考虑沙戈荒地区复杂气象因素的超短期光伏功率预测

学术研究 | 更新时间：2026-02-28

- 考虑沙戈荒地区复杂气象因素的超短期光伏功率预测
- Ultra-short-term Photovoltaic Power Prediction Considering Complex Meteorological Factors in Gobi Desert and Other Arid Areas
- 电力系统自动化 2026年50卷第2期页码：83-92
- 作者机构：
  
  1.上海电力大学电气工程学院，上海市 200090
  2.国网湖北省电力有限公司电力科学研究院，湖北省武汉市 430077
  3.国网陕西省电力有限公司电力调度控制中心，陕西省西安市 710048
  4.国网浙江省电力有限公司丽水供电公司，浙江省丽水市 323050
- 作者简介：
  
  陈昕钰(1997—)，女，硕士研究生,主要研究方向：新能源预测技术。E-mail：2399325816@qq.com
  余光正(1987—)，男，通信作者，副教授，主要研究方向：新能源预测技术、高比例新能源电力系统稳定分析与控制。E-mail：powerygz@shiep.edu.cn
  陈汝斯(1991—)，男，高级工程师，主要研究方向：新能源预测技术。E-mail：1848353649@qq.com
- 基金信息：
  
  国家自然科学基金资助项目(52207121)
- DOI：10.7500/AEPS20250114007
  中图分类号：
- 收稿：2025-01-14，
  
  修回：2025-05-17，
  
  网络首发：2025-12-09，
  
  纸质出版：2026-01-25
- 稿件说明：
移动端阅览
陈昕钰,余光正,陈汝斯等.考虑沙戈荒地区复杂气象因素的超短期光伏功率预测[J].电力系统自动化,2026,50(2):83-92.

CHEN Xinyu,YU Guangzheng,CHEN Rusi,et al.Ultra-short-term Photovoltaic Power Prediction Considering Complex Meteorological Factors in Gobi Desert and Other Arid Areas[J].Automation of Electric Power Systems,2026,50(2):83-92.
陈昕钰,余光正,陈汝斯等.考虑沙戈荒地区复杂气象因素的超短期光伏功率预测[J].电力系统自动化,2026,50(2):83-92. DOI： 10.7500/AEPS20250114007.

CHEN Xinyu,YU Guangzheng,CHEN Rusi,et al.Ultra-short-term Photovoltaic Power Prediction Considering Complex Meteorological Factors in Gobi Desert and Other Arid Areas[J].Automation of Electric Power Systems,2026,50(2):83-92. DOI： 10.7500/AEPS20250114007.

摘要

沙戈荒地区光伏项目是新型电力系统的重要支撑，但项目地区气候条件复杂，沙尘暴、强风和极端高温等气象频发，气象因素之间耦合性极强且具有时变性，给光伏功率预测带来了极大挑战。对此，提出一种考虑沙戈荒地区复杂气象因素影响的超短期光伏功率预测方法。首先，提出了一种表征多元气象因素时序相关性的动态图建模方法。该方法将相关性表现为边特征，实现耦合信息的建模。其次，提出边卷积网络-改进图注意力网络预测模型，实现对局部几何信息和全局信息的双重捕捉，以提高预测精度。最后，基于中国西北某沙戈荒光伏电站实际数据验证了所提方法的优越性。

Abstract

Photovoltaic (PV) projects in the Gobi Desert and other arid areas serve as important supports for new power systems. However

such project sites are often characterized by complex climatic conditions

with frequent sandstorms

strong winds

extremely high temperatures

and other meteorological phenomena. These meteorological factors exhibit strong coupling and time-varying characteristics

posing significant challenges to PV power prediction. To address this issue

this paper proposes an ultra-short-term PV power prediction method that considers the impact of complex meteorological factors in Gobi Desert and other arid areas. First

a dynamic graph modeling method is introduced to represent the temporal correlations among multiple meteorological factors. The correlations are expressed as edge features to model coupling information. Second

an edge convolution improved graph attention network (EC-IGAT) prediction model is proposed. The proposed model captures both local geometric information and global context to improve prediction accuracy. Finally

the superiority of the proposed method is validated using actual data from a PV power station in the Gobi Desert and other arid areas of Northwest China

关键词

Keywords

references

YU G Z ， LIU C Q ， TANG B ， et al . Short term wind power prediction for regional wind farms based on spatial-temporal characteristic distribution ［J］. Renewable Energy ， 2022 ， 199 ： 599 - 612 .

韩晓，王涛，韦晓广，等 . 考虑阵列间时空相关性的超短期光伏出力预测［J］. 电力系统保护与控制， 2024 ， 52 （ 14 ）： 82 - 94 .

HAN Xiao ， WANG Tao ， WEI Xiaoguang ， et al . Ultrashort-term photovoltaic output forecasting considering spatiotemporal correlation between arrays ［J］. Power System Protection and Control ， 2024 ， 52 （ 14 ）： 82 - 94 .

雒德宏，窦大伟 . 关于沙戈荒新能源基地开发建设的思考［J］. 中国电力企业管理， 2023 （ 19 ）： 70 - 72 .

LUO Dehong ， DOU Dawei . Thoughts on the development and construction for renewable energy bases in Gobi Desert and other arid areas ［J］. China Power Enterprise Management ， 2023 （ 19 ）： 70 - 72 .

王宇，姜崇学，宋胜利，等 . 基于源网直储一体化的沙戈荒大规模新能源基地外送方案［J］. 电力系统自动化， 2025 ， 49 （ 7 ）： 126 - 134 .

WANG Yu ， JIANG Chongxue ， SONG Shengli ， et al . Transmission scheme for large-scale renewable energy bases in Gobi Desert and other arid areas based on integration of source， grid， DC and storage ［J］. Automation of Electric Power Systems ， 2025 ， 49 （ 7 ）： 126 - 134 .

林俐，徐宁，崔灏，等 . 面向沙戈荒新能源基地的构网型场站与同步调相机协调配置策略［J］. 电力系统自动化， 2025 ， 49 （ 7 ）： 115 - 125 .

LIN Li ， XU Ning ， CUI Hao ， et al . Coordinated configuration strategy of grid-forming stations and synchronous condensers for renewable energy bases in Gobi Desert and other arid areas ［J］. Automation of Electric Power Systems ， 2025 ， 49 （ 7 ）： 115 - 125 .

李建科，杨树林，宋学武，等 . 考虑大气稳定度的“沙戈荒”风电基地风资源评估［J］. 新能源进展， 2024 ， 12 （ 6 ）： 717 - 724 .

LI Jianke ， YANG Shulin ， SONG Xuewu ， et al . Assessment of wind resources at the Gobi Desert wind farm clusters with consideration of atmospheric stability ［J］. Advances in New and Renewable Energy ， 2024 ， 12 （ 6 ）： 717 - 724 .

孙一丁，王千辰，谢忱峥，等 . 计及特高压直流输电特性的沙戈荒基地输-储协同规划方法［J］. 电力建设， 2025 ， 46 （ 3 ）： 72 - 84 .

SUN Yiding ， WANG Qianchen ， XIE Chenzheng ， et al . Transmission-storage collaborative planning method for the bases in the Gobi and desertification land accounting for UHVDC transmission characteristics ［J］. Electric Power Construction ， 2025 ， 46 （ 3 ）： 72 - 84 .

YU G Z ， LU L ， TANG B ， et al . Ultra-short-term wind power subsection forecasting method based on extreme weather ［J］. IEEE Transactions on Power Systems ， 2023 ， 38 （ 6 ）： 5045 - 5056 .

陈殿昊，臧海祥，蒋雨楠，等 . 基于多层次云图特征与宽度学习的超短期光伏功率预测［J］. 电力系统自动化， 2024 ， 48 （ 22 ）： 131 - 139 .

CHEN Dianhao ， ZANG Haixiang ， JIANG Yunan ， et al . Ultra-short-term photovoltaic power forecasting based on multi-level sky image features and broad learning ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 22 ）： 131 - 139 .

余光正，陆柳，汤波，等 . 基于云图特征提取的改进混合神经网络超短期光伏功率预测方法［J］. 中国电机工程学报， 2021 ， 41 （ 20 ）： 6989 - 7003 .

YU Guangzheng ， LU Liu ， TANG Bo ， et al . An improved hybrid neural network ultra-short-term photovoltaic power forecasting method based on cloud image feature extraction ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 20 ）： 6989 - 7003 .

GUO X F ， GAO Y ， ZHENG D ， et al . Study on short-term photovoltaic power prediction model based on the stacking ensemble learning ［J］. Energy Reports ， 2020 ， 6 ： 1424 - 1431 .

CHENG L L ， ZANG H X ， DING T ， et al . Multi-meteorological-factor-based graph modeling for photovoltaic power forecasting ［J］. IEEE Transactions on Sustainable Energy ， 2021 ， 12 （ 3 ）： 1593 - 1603 .

张其，陈旭，王叔洋，等 . 动态图神经网络链接预测综述［J］. 计算机工程与应用， 2024 ， 60 （ 20 ）： 49 - 67 .

ZHANG Qi ， CHEN Xu ， WANG Shuyang ， et al . Survey of dynamic graph neural network for link prediction ［J］. Computer Engineering and Applications ， 2024 ， 60 （ 20 ）： 49 - 67 .

薛桂香，王辉，周卫峰，等 . 基于知识图谱和时空扩散图卷积网络的港口交通流量预测［J］. 计算机应用， 2024 ， 44 （ 9 ）： 2952 - 2957 .

XUE Guixiang ， WANG Hui ， ZHOU Weifeng ， et al . Port traffic flow prediction based on knowledge graph and spatio-temporal diffusion graph convolutional network ［J］. Journal of Computer Applications ， 2024 ， 44 （ 9 ）： 2952 - 2957 .

王庆荣，张凯，朱昌锋，等 . 基于时空图数据的交通事故风险预测方法［J/OL］. 控制工程［ 2025-12-08 ］. https：//doi.org/10.14107/j.cnki.kzgc.20230729 https://doi.org/10.14107/j.cnki.kzgc.20230729 .

WANG Qingrong ， ZHANG Kai ， ZHU Changfeng ， et al . Traffic accident risk prediction method based on spatiotemporal graph data ［J/OL］. Control Engineering of China ［ 2025-12-08 ］. https：//doi.org/10.14107/j.cnki.kzgc.20230729 https://doi.org/10.14107/j.cnki.kzgc.20230729 .

罗佳，李朝锋 . 基于残差图卷积网络与深度强化学习的需求可拆分车辆路径优化算法［J］. 控制理论与应用， 2024 ， 41 （ 6 ）： 1123 - 1136 .

LUO Jia ， LI Chaofeng . The split delivery vehicle routing optimization with the residual graph convolutional network and deep reinforcement learning ［J］. Control Theory & Applications ， 2024 ， 41 （ 6 ）： 1123 - 1136 .

SIMEUNOVIC J ， SCHUBNEL B ， ALET P J ， et al . Spatio-temporal graph neural networks for multi-site PV power forecasting ［J］. IEEE Transactions on Sustainable Energy ， 13 （ 2 ）： 1210 - 1220 .

WANG F ， CHEN P ， ZHEN Z ， et al . Dynamic spatio-temporal correlation and hierarchical directed graph structure based ultra-short-term wind farm cluster power forecasting method ［J］. Applied Energy ， 2022 ， 323 ： 119579 .

张静，熊国江 . 考虑季节特性与数据窗口的短期光伏功率预测组合模型［J］. 电力工程技术， 2025 ， 44 （ 1 ）： 183 - 192 .

ZHANG Jing ， XIONG Guojiang . Short-term photovoltaic power prediction combination model considering seasonal characteristic and data window ［J］. Electric Power Engineering Technology ， 2025 ， 44 （ 1 ）： 183 - 192 .

张家安，黄晨旭，李志军 . 考虑局部条件特征的风电功率短期预测［J］. 太阳能学报， 2024 ， 45 （ 12 ）： 220 - 227 .

ZHANG Jiaan ， HUANG Chenxu ， LI Zhijun . Short-term prediction of wind power considering local condition features ［J］. Acta Energiae Solaris Sinica ， 2024 ， 45 （ 12 ）： 220 - 227 .

KORKMAZ D ， ACIKGOZ H ， YILDIZ C . A novel short-term photovoltaic power forecasting approach based on deep convolutional neural network ［J］. International Journal of Green Energy ， 2021 ， 18 （ 5 ）： 525 - 539 .

WANG L S ， LIU Y H ， LI T S ， et al . Short-term PV power prediction based on optimized VMD and LSTM ［J］. IEEE Access ， 2020 ， 8 ： 165849 - 165862 .

CHUI C K ， MHASKAR H N ， VAN DER WALT M D . Data-driven atomic decomposition via frequency extraction of intrinsic mode functions ［J］. International Journal on Geomathematics ， 2016 ， 7 （ 1 ）： 117 - 146 .

王玉庆，徐飞，刘志坚，等 . 基于动态关联表征与图网络建模的分布式光伏超短期功率预测［J］. 电力系统自动化， 2023 ， 47 （ 20 ）： 72 - 82 .

WANG Yuqing ， XU Fei ， LIU Zhijian ， et al . Ultra-short-term power forecasting of distributed photovoltaic based on dynamic correlation characterization and graph network modeling ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 20 ）： 72 - 82 .

王雪瑶，李宁，李新利，等 . 基于图建模与GAT-TCN时空模型的光伏超短期功率预测［J/OL］. 华北电力大学学报（自然科学版）［ 2025-03-03 ］. https：//link.cnki.net/urlid/13.1212.tm.20240927.1610.002 https://link.cnki.net/urlid/13.1212.tm.20240927.1610.002 .

WANG Xueyao ， LI Ning ， LI Xinli ， et al . Photovoltaic ultra-short-term power forecasting based on graph modeling and GAT-TCN spatiotemporal model ［J/OL］. Journal of North China Electric Power University（Natural Science Edition）［ 2025-03-03 ］. https：//link.cnki.net/urlid/13.1212.tm.20240927.1610.002 https://link.cnki.net/urlid/13.1212.tm.20240927.1610.002 .

师浩琪，郭力，刘一欣，等 . 基于多源气象预报总辐照度修正的光伏功率短期预测［J］. 电力自动化设备， 2022 ， 42 （ 3 ）： 104 - 112 .

SHI Haoqi ， GUO Li ， LIU Yixin ， et al . Short-term forecasting of photovoltaic power based on total irradiance correction of multi-source meteorological forecast ［J］. Electric Power Automation Equipment ， 2022 ， 42 （ 3 ）： 104 - 112 .

战文华，车建峰，王勃，等 . 基于网格化数值天气预报的区域光伏发电多输出功率预测方法［J］. 中国电力， 2024 ， 57 （ 3 ）： 144 - 151 .

ZHAN Wenhua ， CHE Jianfeng ， WANG Bo ， et al . A grid-based numerical weather prediction method for multi-output prediction of regional photovoltaic power ［J］. Electric Power ， 2024 ， 57 （ 3 ）： 144 - 151 .

冯钰贻，曾弋凡，丁慕琛，等 . 光伏组件温度分布及其功率预测模型研究［J］. 太阳能学报， 2025 ， 46 （ 5 ）： 383 - 390 .

FENG Yuyi ， ZENG Yifan ， DING Muchen ， et al . Research on temperature distribution and power prediction model of photovoltaic modules ［J］. Acta Energiae Solaris Sinica ， 2025 ， 46 （ 5 ）： 383 - 390 .

李保原，闫明晗，刘书圻 . 小波分解结合神经网络的短期风电功率预测［J］. 上海电气技术， 2024 ， 17 （ 4 ）： 17 - 20 .

LI Baoyuan ， YAN Minghan ， LIU Shuqi . Short-term wind power forecasting by combining wavelet decomposition and neural network ［J］. Journal of Shanghai Electric Technology ， 2024 ， 17 （ 4 ）： 17 - 20 .

李岩瑛，李耀辉，罗晓玲，等 . 河西走廊东部沙尘暴预报方法研究［J］. 中国沙漠， 2004 （ 5 ）： 91 - 94 .

LI Yanying ， LI Yaohui ， LUO Xiaoling ， et al . Study on forecasting methods of sand-dust storm in east of Hexi Corridor ［J］. Journal of Desert Research ， 2004 （ 5 ）： 91 - 94 .

SHAFIQ F ， ZAFAR A ， GHANI KHAN M U ， et al . Extreme heat prediction through deep learning and explainable AI ［J］. PLoS One ， 2025 ， 20 （ 3 ）： e0316367 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向多类型极端天气的新型电力系统规划方案全场景风险评估

频率耦合阻抗模型：理论基础、建模方法与应用制约因素

计及防灾救灾功效的电力系统因灾运行碳排增加及责任分担

国内外电网排放因子研究综述：现状、挑战与发展方向